OpenAI, ChatGPT 공부 (Study) 모드 공개

• ChatGPT가 실제로 학습을 돕는지, 답만 제시하는지에 대한 교육 현장의 우려를 해소하기 위해 개발
• 단계별 안내와 상호작용을 통해 답변 대신 학습 과정을 지원함
• 목표·스킬 수준에 따라 유도 질문을 조정, 참여와 상호작용으로 깊은 이해와 성찰을 촉진
• 교사·과학자·교육학 전문가와 협력하여 적극적 참여 유도, 인지부하 관리, 메타인지, 자아 성찰 등 학습 과학 기반의 맞춤형 시스템 지침을 내장
• 사용자 맞춤 수업, 지식 확인 퀴즈, 피드백, 진행 상황 추적 등 다양한 교육적 기능이 포함됨
• 대학·고등교육 등 실제 학생 피드백을 기반으로 지속 개선 중이며, 시각화, 목표 추적, 심화 맞춤화 등 기능 추가 예정**

주요 기능

• 인터랙티브 프롬프트: 소크라테스식 질문, 힌트, 자가 점검을 조합해 스스로 생각하게 유도
• 추가 지원 응답: 주제 간 연결성을 고려한 단계별 정보 제공, 과도한 인지 부담 완화
• 맞춤형 지원: 기술 수준 평가, 이전 대화 기억, 사용자 맞춤형 수업 제공
• 지식 확인: 퀴즈·주관식 질문과 맞춤형 피드백으로 진행 추적, 기억력·적용력 강화
• 유연성: 대화 중 언제든 공부 모드 on/off 가능

ChatGPT에서 사용해보기

[GN⁺]

Hacker News 의견

• LLM이 스터디 파트너로 과소평가되고 있다고 생각함, 왜냐하면 부끄러움 없이 "바보 같은" 질문을 자유롭게 할 수 있기 때문임. 단답형이 아니라 단계별로 차근차근 설명해주는 모드는 진짜 마법 같다는 생각을 함. 24시간 대기하는 유능한 비서가 생긴 셈이라 혼자 공부할 때 꿈의 도구라 여김. 예전에는 온라인 정보의 부정확함, 낡음, 피드백 부재, 그리고 무뚝뚝한 커뮤니티 등 어려움이 많았는데, 이제는 그 시절과 비교할 수 없을 만큼 앞서가는 경험임. 물론 AI의 정보를 무조건 믿어야 한다는 건 아니고, 스스로 확인하는 과정이 필요함. 이걸 게으르게 사용하는 사람도 있겠지만, 오래된 책이나 교과서와 마찬가지로, 본인의 자세에 따라 도움 되는 정도가 달라진다고 생각함. 이런 툴을 쓸 수 있는 시대에 살고 있음에 무척 흥분과 감탄을 느낌

  • 몇 년 전 온라인으로 무언가를 배우면 잘못된 정보, 악의적인 답변, 즉각적인 피드백 부족 등으로 어려움이 많았다는 데 동의함. 하지만 요즘 AI는 답이 맞는지, 헛소리(환각)를 하는지 매번 의심할 수밖에 없음. 사실기반 질문을 할 때 종종 잘못된 답변을 주는 것을 여러 번 경험함. 그리고 이런 문제를 지적하면 항상 최신 모델은 개선됐다고 하며 비싼 구독료를 요구하는 현실임. 더 안 좋은 점은 AI가 답변에 반론을 제기하면 너무 쉽게 굴복한다는 것임. 스스로 답변을 방어하지 못하는데, 이건 선생님에게 필요한 성질이 아니라고 생각함. 결국 AI도 유용한 도구일 뿐, 과신해서는 안 되므로, 언제나 건강한 회의가 필요함. 사실 이건 기존 교육 방식도 마찬가지라고 봄

  • 단계별로 자료를 설명해주는 모드는 매력적이지만, 이 시스템들도 여전히 자신 있게 거짓말을 하는 문제가 있다고 느낌. 예를 들어 DuckDuckGo의 로고가 검색어에 따라 바뀐다는 이스터에그가 있는데, Copilot에 물어보면 아니라고 하고, 반박하면 갑자기 맞다고 하면서 엉뚱한 예시(예를 들어 고양이를 검색하면 고양이 모양 로고가 나온다고 설명)까지 함. Copilot은 뚜렷한 답을 모르는데 모른다고 하지 않고 거짓으로 답하는 점이 문제라고 생각함

  • 바보같은 질문을 하기 두려워하는 마음이 현실적이라고 느낌. 특히 예전에 학생을 망신주는 선생님이나 교수에게 상처를 받았던 경우 더 함. 이름난 교수라도 학생을 부끄럽게 만든 영상을 보고 그 사람의 강의를 듣는 걸 멈춘 경험이 있음

  • 학교의 기존 IT 도입을 보면 미국은 교육에 수십억을 쏟아부었지만, 실제 학습 성과가 나아지지 않았음. 이런 점이 회의론의 배경임. 또 1000억 달러를 쓰기 전에 실제로 효과가 있는지 먼저 입증해야 한다고 생각함. 아직은 결정적 증거가 없다는 입장임

  • 스페인어 B1 수준인데, ChatGPT로 맞춤형 레슨을 만들고, 언어 뉘앙스도 질문하며, 음성 연습까지 하면서 기존 앱보다 훨씬 더 뛰어난 학습 경험을 하고 있음

• LLM은 대학 졸업 이후 새로운 것을 독학할 때 진짜 믿을 수 없을 만큼 엄청난 도구였다고 자신 있게 말할 수 있음. 예전에는 개념을 이해 못 하면 사실상 답이 전혀 안 보였으며, Stack Exchange에 흔한 질문이 아니면 스스로 헤쳐나가야 했음. 이제는 언제든 개인조교(TA)가 생긴 셈임. 학습이 너무 쉬워지거나 피상적이라는 지적이 있지만, 대학생이 TA 없을 때 더 잘 배운다고 생각할 사람은 거의 없을 것임

  • 개인적으로 내 경험상 모든 사람이 언제나 접근할 수 있는 TA 같은 존재라는 감각은 들지 않음. 어느 정도 깊이 들어가면 LLM이 곧바로 쓸모 없어짐. 특히 학술적인 신뢰성 있는 출처를 찾아야 하거나 복잡하고 논쟁적인 주제를 다루면 더더욱 도움 되지 않음

  • 최근 2020년형 9세대 Intel CPU가 장착된 오래된 기기를 수리 및 조사할 때, LLM이 각 세대와 소켓 호환성 등 정보를 손쉽게 설명해주어 마치 내가 이런 툴을 쓸 자격이 없다고 느낄 정도로 편했음. 어떤 영역엔 별로지만, 어떤 곳엔 진짜 놀라움

  • ChatGPT 출시 이후 예전 Google을 다시 찾은 듯한 기분이 들었음. 예전에는 새로운 프로그래밍 언어를 배울 때 중요한 정보를 Google에서 손쉽게 찾았는데, 몇 년 전부터 Google이 쓸모가 없어졌음. 심지어 원하는 정보가 있어도 검색결과에 묻혀버림

  • ChatGPT가 내게 맞는 학습 계획을 짜주고, 필기 및 아티클 작성을 격려하면서 12주 만에 Rust를 배웠음. 이 과정을 통해 내 필기 자료로 https://rustaceo.es를 스페인어로 만들었는데, 이런 방식의 잠재력은 무한하다고 느낌

  • 예전에 집에서 IPv6 문제를 이해하지 못해서 고생했는데, ChatGPT 덕분에 tcpdump로 트래픽을 분석하고 네트워크 동작을 차근차근 설명받았음. RA와 NDP(IPv4의 DHCP, ARP 역할을 대체함)에 대한 세부 내용도 새롭게 배움. 결국 내 mesh WiFi 네트워크에서 반복되는 이상 현상들이 저렴한 리피터 하나 때문이었다는 것도 밝힘. 5년 동안 원인을 몰라 답답했는데, 드디어 해결함

• ChatGPT Study Mode의 시스템 프롬프트를 추출해봄. "사용자 질문에 대해 즉답하거나 숙제를 해주지 말라. 수학/논리 문제는 즉시 풀지 않고 단계별로 질문하며, 사용자에게 각 단계마다 응답 기회를 줘라"는 식의 지침이 인상적임. gist 링크

  • 각 LLM 제공사가 "간결하고 군더더기 없이" 답변하라는 지침도 추가해주길 바람. 내가 느린 독서자여서 쓸데없는 설명까지 다 읽기 힘들기 때문임. 너무 빠르게 쏟아지는 답변이 오히려 불안하게 만들기도 함. 이렇게 하면 문맥 문제도 줄일 수 있을 듯

  • 대문자(CAPS)가 실제로 LLM에 의미가 있다는 점이 재밌음

  • 이 프롬프트를 다른 모델에 적용하면 어떤 결과가 나올지 궁금함. ChatGPT Study Mode가 특별한 시스템 프롬프트만으로 이뤄지는지, 아니면 그 외의 차이가 있는지 궁금하고, 비슷한 프롬프트로 주제 깊이 파고드는 학습을 해보며 긍정적인 효과를 느낀 적이 있음

  • 이렇게 내부 지침을 쉽게 드러내는 게 흥미로움. OpenAI가 시스템 프롬프트를 일부러 비공개로 한 듯하지만, 누구나 쉽게 내용에 접근할 수 있는 걸 보면 일부러 산출했다고 생각하게 됨

  • 나도 비슷한 시스템 프롬프트를 추출했는데, 이 링크에서 확인해 볼 수 있음

• 평생 학습자로서 느끼기에 공부 시간의 큰 부분이 자료를 찾는 검색임. AI는 이 검색을 효율적으로 도와주는 것 같음. 반대로 학습 주제의 논리적 모델을 구축하는 과정은 AI에 의존하면 오히려 내가 학습한 게 아니라, AI의 "포함"을 모아놓은 것만 같아지고, 그럴 경우 AI 없이는 결과를 못 꺼내게 됨. 내 뇌에 일관된 오프라인 모델을 저장하는 게 중요하다고 생각함

  • "공부의 대부분이 검색"이라는 점에 동의함. 검색 능력 자체가 중요한 시대였고, 검색 과정에서 관련되면서도 예상 못 했던 지식도 배울 수 있었음. 다음 세대가 이런 능력이 약해질 것 같아 조금 안타까움

  • Study Mode의 목적 자체가 정답을 주는 게 아니라 스스로 답을 찾는 과정을 가이드함에 있다고 생각함. 많은 사람이 사실 이런 학습법을 잘 모름

  • 이해를 위임하는 건 장기적으로 위험한 태도이고, 스스로 사고하는 위생을 갖춰야 한다는 의견을 말함

  • AI가 키워드로 잡아낼 수 없는 신선한 연관성을 찾아주는 것도 큰 장점임

• Study Mode의 효과를 무작위 대조 집단 연구로 정확하게 검증해보고 싶음. 학생에게 실질적으로 도움이 되는지, 자기주도 학습보다 뛰어난지, 실수하는 경험과 반복해서 개념을 안내받는 것의 차이가 무엇인지 알고 싶음. Study Mode가 플래시카드와 spaced repetition(반복학습 툴, 예: Mochi, Anki)에 활용될 수 있는 정보를 자동으로 분리해주길 바람. 참고로 Andy Matuschak의 강연도 추천함

  • Study Mode는 실제로 위에서 말한 기능은 제공하지 않음. 학생이 "Study Mode 없었다면 아무것도 못 배웠을 거야"라고 말하게 만들고, 그 과정에서 학생의 학습 자료를 입력받아 요약해서 자사 데이터로 활용하는 게 투자 목적임

  • 비슷한 효과가 이미 증명된 AI 튜터 연구 논문이 있음. 이 논문에 따르면 AI 튜터 그룹의 학습 향상도가 실제 수업의 active learning 그룹보다 2배 이상 높게 나타남

  • LLM이 숙련된 개발자의 속도를 늦추게 한다는 연구도 있음. 아마 자기주도 학습에도 그럴 수 있다고 생각함. 하지만 LLM은 배움 자체를 더 즐겁게 만들기에, 포기하지 않고 계속 해볼 동기를 제공함. 재미있게 공부하면, 속도가 좀 느려져도 오히려 더 많은 양을 오래 꾸준히 배울 수 있음. 결국 빠른 사람보다, 꾸준히 버티는 사람이 배움의 승자고, LLM이 이를 더 가능하게 한다는 생각임

  • 명문대에서 튜터링의 효과에 대한 연구가 궁금함. 나의 경험상 엘리트 대학 학생들은 튜터로부터 실질적인 도움보다는 (심지어 숙제까지 대신하게 하면서) 정답만 받아가며 뭔가를 배웠다고 착각함. 사실상 "궁금하고 헤매고 실수하는 상황"을 겪지 않은 학생들이 생기며, 이 과정에서 진짜 공부가 이루어짐. 그런데 LLM 사용도 이와 비슷하게, 힘들거나 막히면 바로 ChatGPT 도움을 받아 시행착오 없이 바로 해법만 찾으려고 함. 그러다보니 시험에서 불안해하고, 연습문제 요구가 점점 심해짐. 수업 후 교과서 읽기조차 스스로 하지 못하는 학생이 늘어난 현상을 피부로 느끼고 있음

  • 이미 동기부여가 높은 학생에겐 큰 차이를 줄 수 있지만, 그런 사람은 많지 않고, 요즘엔 집중력 저하로 그 비율이 갈수록 줄어드는 것 같음

• 지인 중 한 명이 OpenAI를 이용한 교육 스타트업을 운영 중임. 이처럼 대형사(OpenAI 등)가 똑같은 시장에 진입하면 중소 개발자는 언제든 불리해질 수 있음. 그래서 이런 모델에 의존해 사업을 하는 게 두렵고, 신중하게 접근해야 한다고 느낌

  • 기술 초창기에는 하드웨어 기업이 언제나 소프트웨어를 베끼고 자체적으로 번들해서 소프트웨어 회사와 경쟁할 수밖에 없다는 인식이 있었는지 궁금함. 지금과 많이 비슷하다고 느끼며, 많은 이들이 모델 제공 기업이 얹혀가는 업체에 항상 우위가 있다고 생각하지만, 아직 그럴만한 근거를 찾지 못했다고 생각함

  • LLM 호스팅으로 토큰당 과금하는 구조가 점점 수익성이 떨어져가니, 대형사들은 성장 가능성이 보이는 스타트업/앱을 전부 복제(Sherlock)하려는 게 명확하게 보임

  • LLM 인접 영역의 개발자라면 이 점을 항상 유념해야 하고, 대형사의 시장 확장력과 자본력을 생각하면, 결국 자연스럽게 우리도 사라지게 될 위험이 있다고 느낌

  • 이런 일이 벌어지는 걸 창업가들이 왜 모르겠냐는 의문임. OpenAI가 애초에 단순 LLM 제공에만 머무르지 않고 더 많은 시장에 진출한다는 것이 명확함

  • 리스크가 존재하는 건 당연하니, 중요한 건 우리가 추가하는 실제 가치임. 단발성 사업은 빨리 승부보고, 오래 갈 것이라면 누구나 바로 할 수 있는 일보다는 뭔가 더 독창적인 걸 해야 함

• 내 LLM 학습의 핵심 전략은 책을 주로 공부하면서, 공식 풀이, 맥락 질문, 이해 검증에만 LLM을 활용하는 것임. 새로운 도메인의 수식 표기법 풀이나, 독일 관념론 철학서의 문맥 질문 등은 LLM이 없었으면 엄청 헤맬 내용을 바로 명확히 해줘서 큰 시간 절약이됨. 특히 공부할 때 중요한 점은 내 이해도를 즉각 검증하는 것임. 예전에는 오해한 채로 진도 나갔다가 되돌아가야 했는데, 지금은 공식이나 개념에 대해 내 직관을 정리해보고 LLM에게 확인 받아서 "조금 달라요"라는 피드백만 받아도 해당 내용을 다시 볼 수 있음. 결국 책이 가장 정보 밀도가 높아 최고지만, LLM이 보조해주면 속도를 훨씬 올릴 수 있음

• 현재 이 모든 기능을 위한 올바른 인터페이스가 절실하다고 느낌. Study Mode로 정보를 벽처럼 써주고 예제/질문을 섞어주지만, 답변을 특정 질문과 연계해서 볼 수 있는 방법이 없음. 채팅 UI는 이런 형태에 적합하지 않음. 질문/답변이 각각 연결되고, 내용이 구조화되는 별도의 캔버스/아티팩트 인터페이스가 필요함. 지금은 지나치게 단순한 대화 인터페이스에 많은 걸 우겨넣고 있다는 생각임

  • 실제로 학생이 게임이론 전체를 배우고 싶다고 할 때, 양쪽 모두가 단일 채팅 세션과 직선적 과정을 상정한다는 점이 적나라하게 드러났음. 결국 깊이 있는 학습이 아님

  • periplus.app으로 시도해봤음. 완벽하진 않지만 채팅과는 확실히 다른 UX를 경험할 수 있음

  • 여러 UX 아이디어가 있음. 예를 들어 각 설명마다 이해도를 평가할 수 있게 하고, 이해 못 한 부분만 추가설명 제공, 지식 구조를 트리 형태로 보여주거나, 조작 가능한 그래프, 인터랙티브 퀴즈 등 다양한 방식이 있음. ChatGPT에서는 범위를 벗어날 수 있겠지만, 이런 부분을 다른 앱/스타트업이 공략할 기회라고 생각함

  • 올바른 인터페이스는 존재하지 않는다고 생각함. 배우겠다는 의지와 노력이 있다면, 두루마리-책-전자책-AI 등 어떤 방식이든 결국 배움은 가능함

• 이게 기본 기능이 아니라 "별도 제품"이라는 점이 참으로 세태를 보여줌. 단순한 프롬프트 조합으로 어떤 LLM이든 할 수 있는 일임. Study Mode는 교사, 과학자, 교육심리 전문가와 협업해 개발했다지만, 진짜 전문가가 참여했는지 회의적임

• 현재 Janet을 배우는 중인데, ChatGPT를 튜터로 쓰니 불편함. 내 질문("local과 var가 모두 지역 변수라면 뭐가 다름?")에도 "좋은 질문이에요, 본질을 잘 짚으셨네요" 하고는 그럴듯하게 환각 답변만 늘어놓음. 아는 것에 대해선 좋은 튜터인데 자기 한계를 알아야 한다고 생각함

  • LLM이 잘 알려진 예시(React todo list, bootstrap form, vue tic-tac-toe 등)에 대해서만 진짜 좋은 답변을 주는 경향이 있음

  • 이런 경우라면 직접 가이드/문서를 몽땅 컨텍스트에 입력해주는 방식이 더 낫다고 조언함

  • OpenAI와 사운드 머니를 받은 기업에 빗대어, 돈이 너무 필요해 보이는 튜터 같다는 비유를 함